TECNICHE DI ANALISI DATI PER LA FISICA NUCLEARE E SUBNUCLEARE

FIS/01 - 6 CFU - 2° semestre

Docenti titolari dell'insegnamento

ALESSIA RITA TRICOMI
GIUSEPPE POLITI

Obiettivi formativi

Il corso si propone di introdurre lo studente alle problematiche dell’analisi dati di un esperimento di Fisica Nucleare e delle Particelle Elementari. Lo studente acquisirà i concetti base di programmazione ad oggetti, la capacità di adoperare i principali pacchetti di analisi e di sviluppare un codice per l’analisi statistica dei dati.


Prerequisiti richiesti

Nessuna obbligatoria ma si consigliano i corsi di “Laboratorio di Fisica Nucleare e Subnucleare” e “Metodi Sperimentali per la Fisica delle Particelle”/“Metodi Sperimentali per la Fisica Nucleare”


Frequenza lezioni

La frequenza è fortemente consigliata poichè gli argomenti svolti a lezione sono di difficile reperimento in libri di testo


Contenuti del corso

Introduzione all'analisi dati in Fisica Nucleare e delle Particelle

Metodi Monte Carlo

Metodi statistici di analisi

Programmazione ad oggetti

Metodi multivariati di analisi

I pacchetti ROOT e TMVA

Introduzione e uso di GEANT4

Sviluppo e analisi dati di un caso fisico reale di interesse in Fisica Nucleare/Fisica delle Particelle


Testi di riferimento

Dispense e appunti


Programmazione del corso

 *ArgomentiRiferimenti testi
1 • Introduzione all’analisi dati in fisica nucleare e delle alte energie 
2*• Densità di probabilità e metodo Monte Carlo 
3*• Introduzione al C++ - parte I - Variabili. Input/Output. Funzioni. Puntatori e Reference. Operatori 
4*• Introduzione al C++ - parte II - Programmazione a oggetti. Classi. Overloading di operatori. Template class. Ereditarietà. Classi astratte. 
5*• Il pacchetto di analisi ROOT. Macro ed esempi di root. TTree. 
6*• Statistica Frequentista e Bayesiana. Statistiche di test. Metodi multivariati: discriminante di Fisher.  
7*• Analisi multivariate: Componenti Principali. Applicazioni alla fisica delle particelle e alla fisica nucleare. 
8*• Metodi multivariati: neural networks, probabilty density estimators, decision trees. 
9*• Esercitazione con ROOT e il pacchetto TMVA. Riempimento di un tree e visualizzazione delle variabili per segnale e fondo. Training di un discriminante di Fisher con TMVA e analisi dei risultati. 
10*• Goodness-of-fit. Test del chi2. Estimatori. Media e varianza. Metodo della Maximum Likehood 
11*• Extended Maximum Likelihood. Metodo dei minimi quadrati. Introduzione al pacchetto RooFit.  
12*• Intervalli di confidenza. Applicazioni ad estimatori Gaussiani e al metodo della Maximum Likelihood. Limite su un segnale, con e senza fondo, nell’approccio frequentista e bayesiano. 
13*• Limite in presenza di fondo nell'approccio classico e bayesiano. Limite con il test di Likelihood Ratio (Feldman-Cousins) e con il test CLs. Introduzione al pacchetto RooStats. 
14*• Sviluppo e analisi dati di un caso fisico reale (Interferometria HBT o Lineshape della Z o Ricerca del bosone di Higgs o Sezione d'urto ttbar) 
15 • Introduzione al pacchetto di simulazione GEANT4. Esempi di utilizzo. 
* Conoscenze minime irrinunciabili per il superamento dell'esame.

N.B. La conoscenza degli argomenti contrassegnati con l'asterisco è condizione necessaria ma non sufficiente per il superamento dell'esame. Rispondere in maniera sufficiente o anche più che sufficiente alle domande su tali argomenti non assicura, pertanto, il superamento dell'esame.


Apri in formato Pdf English version